校准反事实保形公平（$C^3F$）：基于保形预测与反事实正则化的事后、感知偏移的覆盖奇偶
统计方法学
2025-10-01 v1
摘要
我们提出了校准反事实保形公平（），这是一种事后处理方法，旨在实现协变量偏移下的组条件覆盖奇偶。 将重要性加权保形校准与基于结构因果模型中路径特定效应的反事实正则化器相结合。该方法使用似然比权重估计特定组的非一致性分位数，使得覆盖率随权重的二阶矩呈现平滑退化。我们推导了各组覆盖率的有限样本下界以及均等化条件覆盖差距的界限，并展示了通过平滑阈值正则化实现对反事实覆盖奇偶替代指标的一阶控制。该方法与模型无关、标签高效，且无需重新训练即可部署。在标准分类基准上的实证评估表明，相较于感知偏移和面向公平的保形基线方法，本方法提升了组条件覆盖率并具有竞争力的效率。我们讨论了实际考量因素，包括敏感属性的可用性受限以及对结构因果误设定的稳健性。
引用
@article{arxiv.2509.25295,
title = {Calibrated Counterfactual Conformal Fairness ($C^3F$): Post-hoc, Shift-Aware Coverage Parity via Conformal Prediction and Counterfactual Regularization},
author = {Faruk Alpay and Taylan Alpay},
journal= {arXiv preprint arXiv:2509.25295},
year = {2025}
}
备注
5 pages